老金開源了個支持含CC、Codex等4個平台的編程治理框架
整理版優先睇
Meta_Kim：一個幫AI編程工具補上分工、審查同經驗沉澱嘅元治理框架
呢篇文章係老金分享佢點解要開源 Meta_Kim 呢個編程治理框架。老金本身唔識寫 code，但有十幾年管理經驗，佢同程序員合作，將管理經驗映射成 AI Agent 嘅組織架構。佢發現而家用 AI 改 project，最怕唔係佢唔識寫，而係佢寫得太快，一次改 8 個 file，但係亂咁改，搞到越改越亂。真正嘅問題唔係 model 唔夠強，係欠缺分工、審查同經驗沉澱嘅組織流程。
所以佢做咗 Meta_Kim，呢個唔係一個 AI 編程工具，而係一層「元架構」，負責喺 AI 開工之前先問清楚：呢個任務係小改動定跨模塊？需要邊啲角色？點樣規劃、執行、審查、驗證？失敗點樣回滾？今次學到嘅嘢點樣記低下次用返？佢仲提出「最小可治理單元」概念，每個 Agent 要符合獨立完成、邊界清楚、可替換、可複用、壞一個唔拖垮全局呢五個條件。
整體結論係：模型越強，越唔可以俾佢亂衝。要幫 AI 補返治理呢一層，先拆流程，再分崗位，唔係直接叫佢寫 code。Meta_Kim 目前支援 Claude Code、Codex、OpenClaw、Cursor 四個平台，以 Claude Code 做主框架，其他平台會有啲 bug。佢仲寫咗論文，提供咗 4 步用法同安裝方式，希望改變大家用 AI 嘅習慣，從「比模型聰明」轉向「比系統協作」。
- AI 改 project 最大痛點係亂改，源於欠缺分工同審查嘅治理問題，而唔係模型能力唔夠。
- 元架構（Meta_Kim）先組織任務再開工，用 5 種路由判斷改動規模，再指派角色、規劃流程、審查結果。
- 最小可治理單元要求 Agent 獨立、邊界清楚、可替換複用，做到「拆到唔失控」嘅顆粒度。
- 三個隔離（記憶、上下文、技能）確保唔同 Agent 唔會互相污染，主窗口只保留目標同決策。
- 實際用法分 4 步：分類、揾人、分工、沉澱；可用 /meta-theory 指令觸發治理流程。
Meta_Kim GitHub 倉庫
完整嘅 README 同版本更新日誌，支援四個平台嘅元架構框架。
老金嘅元架構理論飛書文檔
元架構理論嘅詳細解說，包括直播回放同社區分享。
論文：元架構方法論
老金寫嘅學術論文，核心係拆、組、發牌、意圖放大四層。
/meta-theory 指令用法
用嚟啟動主 Agent 進行組織嘅入口指令，可以要求輸出計劃、風險點、驗證方式。
AI 改 project 最驚嘅唔係唔識寫，而係寫得太快亂咁改
老金發現而家好多人用 AI 改 project，表面睇 model 好強，但一落到真實項目就頭痕。改一個登錄模塊，權限又要跟住改，測試又要補，舊邏輯唔可以壞，仲要將經驗留低。呢個唔係寫 code 嘅問題，係組織問題。一個人再聰明，冇分工、冇交接、冇 review，最後都會越改越亂。
唔係模型唔夠強，係欠缺分工、審查同經驗沉澱呢個組織流程
- 跨文件任務：改完 A 唔記得 B
- 跨模塊任務：唔知邊個先邊個後
- 審查流程：容易自己讚自己
- 經驗沉澱：下次又從零開始
元架構點樣幫 AI 分工？先拆流程，再派角色
Meta_Kim 唔係直接答「邊個嚟寫 code」，而係先問「寫 code 之前件事點樣組織」。佢用 5 種路由去涵蓋所有問題，判斷係小改動定跨模塊、現有 agent 夠唔夠、邊個負責規劃/執行/審查、失敗點修、學到嘅嘢點樣記低。呢個就係「元架構」——管 AI 之間嘅職責、邊界、節奏同治理。
5 種路由
元架構管嘅係 AI 之間嘅職責、邊界、節奏同治理
老金特別提到三個隔離：記憶隔離（安全 agent 只記安全規則）、上下文隔離（主窗口只保留目標同決策）、技能隔離（每個 agent 有特定崗位技能）。呢啲隔離確保每個 agent 唔會互相污染，保持清晰邊界。
支援四個平台，同埋實戰 4 步用法
Meta_Kim 目前支援 Claude Code、Codex、OpenClaw、Cursor 四個平台，以 Claude Code 做主框架，因為老金最熟佢。其他平台可能會有 bug，但原則上所有支援 Agent 架構嘅平台都用到。
同一套治理邏輯投影到不同工具，平台落地，元架構統一原則
如果你只係改一句文案，唔需要用 Meta_Kim，佢會消耗好多 token。但如果你開始改登錄、權限、支付呢啲真實項目，建議先跟呢 4 步：
- 1 分類：呢個係小改動定跨模塊任務？
- 2 揾人：現有 agent 夠唔夠？唔夠就暴露能力缺口。
- 3 分工：邊個規劃？邊個執行？邊個審查？邊個驗證？
- 4 沉澱：今次踩嘅坑，下次自動記住。
/meta-theory 我要重構登錄同權限模塊。先判斷呢個任務需要邊啲角色同工作流。唔好直接改 file，俾我執行計劃、風險點同驗證方式。
/meta-theory 幫我檢查呢個項目裏邊邊啲任務適合多 Agent 治理。只輸出報告，唔好改 file。
/meta-theory 幫我審查呢輪改動。重點睇職責邊界、迴歸風險、驗證係咪充分。如果有經驗教訓，話我知應該沉澱去邊度。安裝好簡單，而且可以卸載，唔怕留低垃圾
最快嘅安裝方式係用 npx：npx --yes github:KimYx0207/Meta_Kim meta-kim。本地 clone 都得，跟住 npm install 同 node setup.mjs。裝完可以用 npm run meta:status 睇寫咗啲乜，npm run meta:doctor 做檢查，唔想用就 npm run meta:uninstall 卸載。
能裝、能查，都要能退。工具要先似工具，再談方法論。
Meta_Kim 仲整合咗 graphify（代碼知識圖譜，最高壓縮 71 倍 token）同 MCP memory service（全局跨平台記憶）。安裝完成後預設地址係 http://localhost:8000/，會全自動 hook 你每個對話步驟形成記憶。
加我入AI討論學習羣，公眾號右下角有「聯繫方式」
文末有老金嘅 開源知識庫地址·完全免費
先通知一聲，我嘅 Claude Code & OpenClaw 中文教程 更新咗，Github上面睇到，飛書仲未同步最新版。。
版本教程截止：Claude Code v2.1.119 + OpenClaw v2026.4.24，地址喺文末，通常我自己嘅介紹地址都喺文末。
言歸正傳，今日想同大家講嘅內容。
覺得大家而家用AI，好似都係呢種情況。
叫 AI 寫啲嘢或者改一個系統，最驚嘅唔係佢唔識寫。
最驚係佢寫得太快。
眨嚇眼改咗 8 個文件，你問佢點解鬱呢個文件。
佢講到頭頭是道，但你再睇嚇個項目，心入面開始涼。
亂七八糟嘅文件一堆，完全係亂寫。
呢個就係我做 Meta_Kim 嘅原因。
唔係為咗再造一個 AI 編程工具。
而係俾呢啲 AI 編程工具，補一層會分工、會審查、會記住教訓嘅元架構。
元架構理論嘅所有內容可以睇 https://my.feishu.cn/wiki/PlRHwuybiiIzOmke7RXcfnCSncf
真正嘅痛點，唔係模型唔夠強
而家好多人用 AI ，表面睇模型已經好強喇。
強到俾佢一個明確嘅小任務，佢可以做得好好。
但項目唔係一個按鈕，亦唔係一個孤立嘅函數。
真實項目入面，麻煩通常係咁樣：
登錄模塊一改，權限都要跟住睇。
權限一鬱，測試就要補。
測試一補，舊邏輯唔可以破壞。
舊邏輯唔破壞，仲要將今次經驗留低。
呢個就唔係寫代碼嘅問題，而係組織問題。
一個人再聰明，冇分工、冇交接、冇 review（代碼審查），最後都會越改越亂。
冇 verification（結果驗證），坑就藏到下次先爆。
AI 都一樣。
老金我以前最煩就係呢點。
AI 寫得好快，但你唔敢完全交俾佢。
你睇住佢行，怕佢亂改。
你唔睇住佢行，又怕佢將坑藏到下次先爆。
而家就唔會喇，任何提示詞輸入，佢會先俾你強化。
最後，任何嘅關鍵操作，都有 Hook 攔截。
咁就尷尬喇，本來想慳時間，最後變成你俾 AI 做項目經理。
所以我做嘅唔係工具，係元架構
元架構呢個詞聽起嚟有啲大。
我換個講法。
普通 AI 編程工具更加似係回答：邊個嚟寫代碼。
Meta_Kim 先問嘅係：寫代碼之前，呢件事應該點樣組織。
分為5種路由，你嘅任何問題，喺呢度都會被涵蓋。
佢唔急住動手，會先問幾件事：
呢個到底係小改動，定係跨模塊任務？
現有 agent 夠唔夠？
邊個負責規劃，邊個負責執行，邊個負責審查？
失敗咗點樣修，修完點樣驗證？
今次學到嘅嘢，下次點樣用返？
佢仲有協議同狀態雙重保障，令任務必然合規咁完成，呢個係代碼層嘅，需要喺項目內執行。
呢個就係我講嘅元架構，佢管嘅係 AI 之間嘅職責、邊界、節奏同治理。
我喺 WaytoAgi 直播入面講過呢件事
呢套嘢唔係突然拍腦袋諗出嚟，先做咗測試，後寫咗論文，最後又將方法論落地到 Github 項目上，並喺 WaytoAgi 做過一場直播，題目就好直白：點解好多人用 AI，越用越亂。
回放入口喺呢度。
https://waytoagi.feishu.cn/wiki/KGbewcwM1ic0kFk2A58cL8OanFh
1係我嘅理論
2係直播回放同信息總結
3係AJ（WaytoAgi社區發起人），做嘅一個開源分享，利用元架構做嘅小紅書爆款生成器。
佢嘅開源地址喺呢度：https://github.com/AAAAAAAJ/meta-task-decomposition
嗰場直播我講嘅核心，唔係某個工具點樣裝。
而係一個更底層嘅問題：AI 已經可以改完整項目，仲需唔需要用單兵模式管佢。
我自己嘅答案係：唔得。
單兵 AI 好適合小任務，例如改文案、補一個樣式、寫一個獨立腳本。
但一旦進入複雜項目，單兵會自然遇到四個問題。
1、跨文件任務，改完 A 唔記得 B。
2、跨模塊任務，唔知道邊個先邊個後。
3、審查流程，容易自己讚自己。
4、經驗沉澱，下次又由零開始。
呢四個問題睇起嚟似技術問題。
其實都係治理問題。
係㗎，仲可以令我抖嚇氣嘅係，我今次直播收到咗好多希望再嚟一期。
睇嚟對我呢個研究主題有興趣嘅人唔少。
點解我一定要以 Agent 為單位
呢度係好多人容易誤會嘅地方。
我唔係為咗睇起嚟更高級，先將 AI 拆成一堆 agent。
我真正看重嘅係三個隔離。
第一係記憶隔離。
安全審查 agent 應該記住安全規則同常見漏洞。
而唔係將前端命名、文章語氣、臨時試錯全部塞入同一個腦入面。
第二係上下文隔離。
主窗口應該似老闆辦公室，只保留目標、決策同關鍵結論。
搜索、讀文件、試錯、驗證，喺對應崗位嘅 agent 裏面完成。
主窗口唔會俾過程噪音污染。
第三係技能隔離。
每個 agent 唔係「另一個聊天框」。
佢更加似一個崗位：產品、架構、前端、後端、測試、安全、文檔、研究。
崗位唔同，技能清單、判斷標準、交付物就唔同。
所以 Meta_Kim 做嘅唔係俾一班 AI 喺羣入面傾偈。
佢做嘅係編排成功之後，判斷每個節點到底需要咩人。
呢個人要識咩技能、負責咩結果、唔可以掂咩邊界。
呢個同真實公司好相似。
一個項目嚟咗，老細唔會將所有嘢掉俾一個人。
佢會先睇：產品拆需求，架構定邊界，前端後端測試安全按順序入場。
AI 都係一樣。
元架構嘅核心，係將 AI 拆成可治理單元
Meta_Kim 入面有一個好關鍵嘅概念：最小可治理單元。
唔係隨便改個名叫 frontend-agent，就算係一個好 agent。
一個真正可以長期用嘅 agent，至少要滿足五件事。
佢可以獨立完成一類工作，顆粒度細到唔會乜都管。
邊界清楚到知道自己唔應該掂咩。
可以被替換、可以複用，壞一個唔會拖垮全局。
雖然我唔識代碼，但我做管理十幾年，將我嘅管理經驗映射咗入去。
又同程序員傾過，佢俾我嘅結論同我嘅理念不謀而合。
佢同我講，函數太大，會失控。
模塊太碎，會互相依賴到冇辦法鬱。
Agent 都係一樣。
所以 Meta_Kim 唔係瘋狂堆 Agent。
佢要解決嘅係：拆到咩顆粒度，既可以做嘢，又可以被治理。
佢唔係固定小隊，而係先判斷每個節點缺咩人
好多多 Agent 系統，一開頭就俾你幾個固定角色。
產品、前端、後端、測試。
睇起嚟好整齊。
但真實項目冇咁聽話。
同樣係「改項目」，有時要安全審查，有時要遷移數據庫，有時只係改一個 CLI 參數。
仲有啲任務，要先讀論文、改提示詞，先輪到代碼。
固定小隊嘅問題係：人睇起嚟有，但唔一定對題。
Meta_Kim 嘅思路係反轉嚟。
先將任務編排成節點，再睇每個節點需要咩崗位同技能。
有對應 agent 就派，冇就標記能力缺口。
複雜到需要新崗位時，再設計新 agent。
呢個就係我講嘅 組織鏡像。
唔係將公司結構硬塞入 AI。
而係將崗位、技能、分工、審查、回滾、覆盤，映射成 AI 可以行嘅流程。
如果對你有幫助，記得關注嚇~
佢而家已經可以部署到四個平台
截至 2026/04/29，我本地當前 Meta_Kim 倉庫版本係 2.0.19。
README 同 CHANGELOG 入面已經將四個平台都納入主線：
Claude Code、Codex、OpenClaw、Cursor。
但呢度要講清楚，四個平台唔係完全一樣。
Claude Code 承載得最完整，亦係我用嚟做元框架映射嘅主框架，因為相對其他平台，我最熟悉嘅就係CC，我都覺得佢嘅框架係最犀利嘅。
Codex 嘅 agents 好強，最近做咗啲測試，修復咗好多 BUG。
Openclaw 同 Cursor 冇經過大量測試，可能會有很多 BUG。。。
原則上，所有支持 Agent 架構嘅平台都支持，大家可以幫我提交嚇自己用開嘅平台映射。
Meta_Kim 用 canonical/ 做統一主源，再同步到唔同嘅平台。
同一套治理邏輯投影到唔同工具裏面，平台落地，元架構統一原則。
我唔係淨係講理論，仲寫咗論文
係㗎，我好早就先寫咗論文，到今日為止，已經係500幾嘅閲讀，同400幾嘅下載量。
呢個係我呢個學渣呢世人第一次寫論文，睇起嚟同網站上同類相比，都幾受歡迎。
論文地址喺呢度：https://zenodo.org/records/18957649
呢篇論文支撐嘅係 Meta_Kim 背後嘅方法論。
核心就係四層：
拆，組，發牌，意圖放大。
其實就係一句話：唔好俾 AI 直接衝，先叫 AI 將啲嘢組織清楚。
普通用戶到底點樣用，先記住4步
如果你只係叫 AI 改一句文案，唔好用 Meta_Kim。
小題大做。
佢嘅運行會好消耗 token，但相對會幫你諗好多嘢。
我實際用落，一個 minimax2.7+元，可以約等於冇元嘅 sonnet4.6 所執行結果。
呢個唔單止我咁講，其他人使用落嘅感受都相同。
如果你已經開始叫 AI 改一個真實項目。
例如登錄、權限、支付、數據遷移、組件重構。
唔好急住叫佢開始寫。
先行呢 4 步。
1、先分類：呢個係小改動，定係跨模塊任務。
2、再揾人：現有 agent 夠唔夠，唔夠就暴露能力缺口。
3、再分工：邊個規劃，邊個執行，邊個審查，邊個驗證。
4、最後沉澱：今次踩過嘅坑，下次要自動記住。
你可以用類似咁嘅方法開始：
/meta-theory 作為調用技能嘅入口，可以穩定傳遞俾主Agent，主Agent會開始進行組織。
呢一步好關鍵，因為複雜任務入面，方向錯咗，寫得越快越危險。
如果你唔肯定項目需唔需要治理，可以先咁樣問：
如果你已經叫 AI 改完一輪，都可以咁樣收尾：
呢三個用法，比安裝幾多工具都重要。
因為佢改變嘅係使用習慣。
安裝說明
而家最快嘅方法，係直接行：
npx --yes github:KimYx0207/Meta_Kim meta-kim你可以用下載到本地嘅方法：
git clone https://github.com/KimYx0207/Meta_Kim.git
cd Meta_Kim
npm install
node setup.mjs你最常用嘅可能會係更新 = =
喺設定好文件目錄，安裝完成之後，可以直接喺指定位置打開文件夾，創建項目。
裝完想睇寫咗啲咩：
npm run meta:status想做檢查：
npm run meta:doctor
唔想用，卸載：
npm run meta:uninstall呢度我專門做咗安裝清單。
唔係裝完一堆配置散喺系統入面，最後你唔知道邊個寫。
可以裝、可以查，都要可以退。
工具要先似工具，再講方法論。
然後呢，佢除咗各個平台自己嘅 memory 系統外，我又合併咗 graphify 同 Mcp memory service。
Graphify 係代碼知識圖譜，佢最高可以壓縮71倍嘅 token 消耗，同埋確保項目準確性。
另外一個係全局跨平台記憶，老金我好早以前就介紹過。
安裝完成後，默認地址係：http://localhost:8000/
老金我已經做咗全自動 hook，你由對話開始到結束嘅每一步，佢都會形成記憶。
你關閉某個項目之後，再次打開唔需要講任何前提，可以直接叫佢繼續。
係㗎，你會發現我嘅依賴項目非常多，因為我嘅係框架，理論上可以容納好多項目，自動喺上面進行知識沉澱同改造。
簡單啲講，就係拿嚟啦你~ ，講笑咋，感謝各大優秀嘅開源作者，令 AI 發展得更迅速，更優質。
我想推廣嘅其實係一個新動作
寫到最後，老金我反而覺得 Meta_Kim 最重要嘅唔係項目本身，而係佢逼我哋換一個動作。
以前我哋比較邊個嘅模型更聰明。
跟住會比邊個嘅系統更加會協作。
模型越強，越唔可以俾佢亂衝。
強模型加冇治理，只係更快咁製造混亂。
Meta_Kim 想做嘅，就係將呢層治理補返。
項目地址，你可以喺呢度查看完整嘅 Readme 說明同版本更新 Changelog 說明：
https://github.com/KimYx0207/Meta_Kim
如果你已經開始將 AI 用喺真實項目。
建議唔好急住叫佢寫代碼，先叫佢組隊。
https://tffyvtlai4.feishu.cn/wiki/OhQ8wqntFihcI1kWVDlcNdpznFf
Claude Code & Openclaw 雙頂流全中文由零開始嘅教程：唔識代碼照樣整網站，老金15萬字 Claude Code+OpenClaw 教程免費開源
我嘅小破站（包括我開源嘅項目）：https://www.aiking.dev/
每次我都想提一提，呢個唔係凡爾賽，係希望有想法嘅人勇敢衝。
我唔識代碼，我英文都唔好，但我做到咗好多嘢。
我好真心希望可以影響更多嘅人嚟嘗試新技巧，迎接新時代。
多謝你睇我嘅文章。
如果覺得唔錯，順手點個讚、在看、轉發三連吧🙂
如果想第一時間收到推送，都可以俾我個星標⭐～多謝你睇我嘅文章。
加我進AI討論學習羣，公眾號右下角“聯繫方式”
文末有老金的 開源知識庫地址·全免費
先通知一下，我的 Claude Code & OpenClaw 中文教程 更新了，Github上可見，飛書尚未同步最新版。。
版本教程截止：Claude Code v2.1.119 + OpenClaw v2026.4.24，地址在文末，一般我自己的介紹地址都在文末。
言歸正傳今天想給大家講的內容。
感覺大家現在使用AI，好像都是這樣的情況。
讓 AI 寫個東西或者改一個系統，最怕的不是它不會寫。
最怕的是它寫得太快。
一眨眼改了 8 個文件，你問它為什麼動這個文件。
它說得頭頭是道，但你再看一眼項目，心裏開始發涼。
亂七八糟的文件一堆，完全在瞎寫。
這就是我做 Meta_Kim 的原因。
不是為了再造一個 AI 編程工具。
而是給這些 AI 編程工具，補一層會分工、會審查、會記住教訓的元架構。
元架構理論的所有內容可查看 https://my.feishu.cn/wiki/PlRHwuybiiIzOmke7RXcfnCSncf
真正的痛點，不是模型不夠強
現在很多人用 AI ，表面看模型已經很強了。
強到你給它一個明確的小任務，它能幹得很漂亮。
但項目不是一個按鈕，也不是一個孤立函數。
真實項目裏，麻煩通常長這樣：
登錄模塊一改，權限也要跟着看。
權限一動，測試就要補。
測試一補，舊邏輯不能破。
舊邏輯不破，還得把這次經驗留下來。
這就不是寫代碼的問題了，這是組織問題。
一個人再聰明，沒有分工、沒有交接、沒有 review（代碼審查），最後也會越改越亂。
沒有 verification（結果驗證），坑就藏到下次才爆。
AI 也一樣。
老金我以前最煩的就是這個點。
AI 寫得很快，但你不敢完全交給它。
你看着它跑，怕它亂改。
你不看着它跑，又怕它把坑藏到下次才爆。
現在就不會了，任何提示詞輸入，它會先給你強化。
最後，任何的關鍵操作，都有Hook攔截。
這就尷尬了，本來是想省時間，最後變成你給 AI 當項目經理。
所以我做的不是工具，是元架構
元架構這個詞聽起來有點大。
我換個說法。
普通 AI 編程工具更像在回答：誰來寫代碼。
Meta_Kim 先問的是：寫代碼之前，這件事該怎麼組織。
分為5種路由，你的任何問題，在這裏都能被涵蓋。
它不急着動手，會先問幾件事：
這到底是小改動，還是跨模塊任務？
現有 agent 夠不夠？
誰負責規劃，誰負責執行，誰負責審查？
失敗了怎麼修，修完怎麼驗證？
這次學到的東西，下次怎麼用上？
它還有協議和狀態雙重保障，讓任務必然合規的完成，這個是代碼層的，需要在項目內執行。
這就是我說的元架構，它管的是 AI 之間的職責、邊界、節奏和治理。
我在 WaytoAgi 直播裏講過這件事
這套東西不是突然拍腦袋想出來的，先做了測試，後寫了論文，最後又把方法論落地到Github項目上，並在WaytoAgi 做過一場直播，題目就很直白：為什麼很多人用 AI，越用越亂。
回放入口在這裏。
https://waytoagi.feishu.cn/wiki/KGbewcwM1ic0kFk2A58cL8OanFh
1是我的理論
2是直播回放和信息總結
3是AJ（WaytoAgi社區發起人），做的一個開源分享，利用元架構做的小紅書爆款生成器。
她的開源地址在這裏：https://github.com/AAAAAAAJ/meta-task-decomposition
那場直播我講的核心，不是某個工具怎麼裝。
而是一個更底層的問題：AI 已經能改完整項目了，還要不要用單兵模式管它。
我自己的答案是：不能。
單兵 AI 很適合小任務，比如改文案、補一個樣式、寫一個獨立腳本。
但一旦進入複雜項目，單兵會天然遇到四個問題。
1、跨文件任務，改完 A 忘了 B。
2、跨模塊任務，不知道誰先誰後。
3、審查流程，容易自己誇自己。
4、經驗沉澱，下次又從零開始。
這四個問題看起來像技術問題。
其實都是治理問題。
對的，還能讓我掐會兒腰的是，我這次直播收到了很多的希望再來一期。
看起來對我這個研究主題感興趣的人不少。
為什麼我一定要以 Agent 為單位
這裏是很多人容易誤會的地方。
我不是為了看起來更高級，才把 AI 拆成一堆 agent。
我真正看重的是三個隔離。
第一是記憶隔離。
安全審查 agent 應該記住安全規則和常見漏洞。
而不是把前端命名、文章語氣、臨時試錯全塞進同一個腦子裏。
第二是上下文隔離。
主窗口應該像老闆辦公室，只保留目標、決策和關鍵結論。
搜索、讀文件、試錯、驗證，在對應崗位的 agent 裏完成。
主窗口不會被過程噪音污染。
第三是技能隔離。
每個 agent 不是“另一個聊天框”。
它更像一個崗位：產品、架構、前端、後端、測試、安全、文檔、研究。
崗位不同，技能清單、判斷標準、交付物就不同。
所以 Meta_Kim 做的不是讓一羣 AI 在羣裏聊天。
它做的是編排成功以後，判斷每個節點到底需要什麼人。
這個人要會什麼技能、負責什麼結果、不能碰什麼邊界。
這跟真實公司很像。
一個項目來了，老闆不會把所有事丟給一個人。
他會先看：產品拆需求，架構定邊界，前端後端測試安全按順序進場。
AI 也是一樣。
元架構的核心，是把 AI 拆成可治理單元
Meta_Kim 裏有一個很關鍵的概念：最小可治理單元。
不是隨便起個名字叫 frontend-agent，就算一個好 agent。
一個真正能長期用的 agent，至少要滿足五件事。
它能獨立完成一類工作，顆粒度小到不會什麼都管。
邊界清楚到知道自己不該碰什麼。
能被替換、能複用，壞一個不拖垮全局。
雖然我不懂代碼，但我做管理十幾年，把我的管理經驗映射了進去。
又和程序員碰了一下，他給我的結論和我的理念不謀而合。
他跟我說，函數太大，會失控。
模塊太碎，會互相依賴到沒法動。
Agent 也是一樣。
所以 Meta_Kim 不是瘋狂堆 Agent。
它要解決的是：拆到什麼顆粒度，既能幹活，又能被治理。
它不是固定小隊，而是先判斷每個節點缺什麼人
很多多 Agent 系統，一上來就給你幾個固定角色。
產品、前端、後端、測試。
看起來很整齊。
但真實項目沒這麼聽話。
同樣是“改項目”，有時要安全審查，有時要遷移數據庫，有時只是改一個 CLI 參數。
還有些任務，得先讀論文、改提示詞，再輪得到代碼。
固定小隊的問題是：人看起來有了，但不一定對題。
Meta_Kim 的思路是反過來。
先把任務編排成節點，再看每個節點需要什麼崗位和技能。
有對應 agent 就派，沒有就標記能力缺口。
複雜到需要新崗位時，再設計新 agent。
這就是我說的 組織鏡像。
不是把公司結構硬塞進 AI。
而是把崗位、技能、分工、審查、回滾、覆盤，映射成 AI 可以跑的流程。
如果對你有幫助，記得關注一波~
它現在已經能投到四個平台
截至 2026/04/29，我本地當前 Meta_Kim 倉庫版本是 2.0.19。
README 和 CHANGELOG 裏已經把四個平台都納入主線：
Claude Code、Codex、OpenClaw、Cursor。
但這裏要說清楚，四個平台不是完全一樣。
Claude Code 承載最完整，也是我拿來做元框架映射的主框架，因為相對其他平台，我最熟悉的就是CC，我也認為它的框架是最牛X的。
Codex 的 agents 很強，最近做了一些測試，修復了很多BUG。
Openclaw和Cursor沒經過大量測試，可能會有很多BUG。。。
原則上，所有支持Agent架構的平台都支持，大家可以幫我提交下自己所用的平台映射。
Meta_Kim 用 canonical/ 做統一主源，再同步到不同的平台。
同一套治理邏輯投影到不同工具裏，平台落地，元架構統一原則。
我不是隻講理論，還寫了論文
對的，我很早就先寫了論文，到今天為止，已經是500多的閲讀，和400多的下載量。
這是我這學渣這輩子第一次寫論文，看起來和網站上同類比起來，蠻受歡迎的。
論文地址在這裏：https://zenodo.org/records/18957649
這篇論文支撐的是 Meta_Kim 背後的方法論。
核心就是四層：
拆，組，發牌，意圖放大。
其實就是一句話：別讓 AI 直接衝，先讓 AI 把活組織明白。
普通用戶到底怎麼用，先記住4步
如果你只是讓 AI 改一句文案，別用 Meta_Kim。
小題大做。
它的運行會很消耗token，但對應會幫你想很多事兒。
我實際用下來，一個minimax2.7+元，可以約等於沒有元的sonnet4.6所執行結果。
這不光是我這麼說，其他人使用下來的感受也相同。
如果你已經開始讓 AI 改一個真實項目。
比如登錄、權限、支付、數據遷移、組件重構。
別急着讓它開寫。
先走這 4 步。
1、先分類：這是小改動，還是跨模塊任務。
2、再找人：現有 agent 夠不夠，不夠就暴露能力缺口。
3、再分工：誰規劃，誰執行，誰審查，誰驗證。
4、最後沉澱：這次踩過的坑，下次要自動記住。
你可以用類似這樣的方法進行開始：
/meta-theory 作為調用技能的入口，能穩定傳遞給主Agent，主Agent會開始進行組織。
這一步很關鍵，因為複雜任務裏，方向錯了，寫得越快越危險。
如果你不確定項目需不需要治理，可以先這樣問：
如果你已經讓 AI 改完一輪，也可以這樣收尾：
這三個用法，比安裝多少工具都重要。
因為它改變的是使用習慣。
安裝說明
現在最快的方式，是直接跑：
npx --yes github:KimYx0207/Meta_Kim meta-kim你也可以用下載到本地的方式：
git clone https://github.com/KimYx0207/Meta_Kim.git
cd Meta_Kim
npm install
node setup.mjs你最常用的可能會是更新 = =
在設定好文件目錄，安裝完成之後，可以直接在指定位置打開文件夾，創建項目。
裝完想看寫了哪些東西：
npm run meta:status想做檢查：
npm run meta:doctor不想用了，卸載：
npm run meta:uninstall這塊我專門做了安裝清單。
不是裝完一堆配置散在系統裏，最後你不知道誰寫的。
能裝、能查，也要能退。
工具要先像工具，再談方法論。
然後呢，它除了各個平台自己的memory系統外，我又合併了graphify和Mcp memory service。
Graphify是代碼知識圖譜，它最高能壓縮71倍的token消耗，以及確保項目準確性。
另外一個是全局跨平台記憶，老金我在很早以前就介紹過。
安裝完成後，默認地址是：http://localhost:8000/
老金我已經做了全自動hook，你從對話開始到結束的每一步，它都會形成記憶。
你在關閉某個項目後，再次打開不需要說任何前提，可以直接讓他繼續。
是的，你會發現我的依賴項目非常多，因為我的是框架，理論上可以容納很多項目，自動在其上面進行知識沉澱和改造。
簡單點說，就是拿來吧你~ ，開玩笑，感謝各大優秀的開源作者，讓AI發展的更迅速，更優質。
我想推廣的其實是一個新動作
寫到最後，老金我反而覺得 Meta_Kim 最重要的不是項目本身，而是它逼我們換一個動作。
以前我們比誰的模型更聰明。
接下來會比誰的系統更會協作。
模型越強，越不能讓它亂衝。
強模型加無治理，只是更快地製造混亂。
Meta_Kim 想做的，就是把這層治理補上。
項目地址，你可以在這查看完整的Readme說明和版本更新Changelog說明：
https://github.com/KimYx0207/Meta_Kim
如果你已經開始把 AI 用進真實項目。
建議先別急着讓它寫代碼，先讓它組隊。
https://tffyvtlai4.feishu.cn/wiki/OhQ8wqntFihcI1kWVDlcNdpznFf
Claude Code & Openclaw 雙頂流全中文從零開始的教程：不懂代碼照樣造網站，老金15萬字Claude Code+OpenClaw教程免費開源
我的小破站（含我開源的項目）：https://www.aiking.dev/
每次我都想提醒一下，這不是凡爾賽，是希望有想法的人勇敢衝。
我不會代碼，我英語也不好，但是我做出來了很多東西。
我真心希望能影響更多的人來嘗試新的技巧，迎接新的時代。
謝謝你讀我的文章。
如果覺得不錯，隨手點個贊、在看、轉發三連吧🙂
如果想第一時間收到推送，也可以給我個星標⭐～謝謝你看我的文章。